Pemilihan Model Terbaik pada Mars Respon Kontinu
|
|
- Yohanes Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Sttstk, Vol. 8 No., 9 9 e 008 Pelh odel erk pd rs Respo Kotu Bg Wdjrko Otok eg Pegjr d Jurus Sttstk, IS, Sury e-l: g_wo@sttstk.ts.c.d; otok_w@yhoo.co Astrk ultvrte dptve regresso sple (ARS) dlh slh stu odel regres opretrk, ytu odel yg egsusk etuk huug fugsol tr vrel respo d predktor tdk dkethu. ARS dlh kos yg koplek tr etode sple deg rekursf prts utuk eghslk ests fugs regres yg kotu.hsl peelt eujukk hw ests preter odel ARS utuk vrel respo kotu dlkuk deg pelzed lest squre (PLS). Pelh odel ARS terk dlkuk deg prosedur forwrd d ckwrd stepwse ddsrk pd l GCV. Prosedur forwrd dlh thp utuk edptk fugs ss ksu yg eckup pegruh efek ut, terks, d kot. Sedgk prosedur ckwrd dlh thp utuk egels fugs ss yg kotrusy tdk sgfk. Hsl kj jug eujukk hw GCV deg potog regres ler dpt terukt ekerj deg k dl eetuk pelh odel terk pd ARS respo kotu. Kt-kt Kuc: ARS, Pelzed Lest Squre, GCV.. Pedhulu Dl erg dspl lu, perslh peelt uuy dlh edekt seuh fugs eerp vrel predktor pd erg ttk dl rug vrel respo. slh terjd dl dg sttstk (regres opretrk ultvrt), d dg lu koputs d rekys ( eurl etwork). Hl dktk keju yg cukup pest pd tekktekk oder utuk pegupul dt, yg telh eghslk dt dl julh esr k dl ukur upu des. Utuk eyelesk perslh terseut dperluk sutu odel pd vrel respo ()Y dl stu tu leh vrel predktor (,...,) yg eerk huug pd dt. Secr uu, lss yg dguk utuk egeksplors huug tr ()Y d (,...,) dkel deg regres. Regres ler dlh slh stu pedekt pretrk yg plg populer dl peodel dt. Dl prktek, pedekt pretrk sergkl tdk fleksel dl eodelk pol oler yg terseuy pd dt erdes tgg. Hl eotvs peggu regres opretrk, yg egutk flekslts deg egsusk sooth (ulus) dl rt fugs regres yg tdk dkethu dlh kotu d dferesel. ultvrte dptve regresso sple (ARS) dlh slh stu odel regres opretrk, ytu odel yg egsusk etuk huug fugsol tr vrel respo d predktor tdk dkethu, d epuy etuk fugsol yg fleksel. ARS dlh etode yg dperkelk oleh Fred (99). etode dlh pleets tekk-tekk utuk eyelesk slh regres, deg tuju utuk epredks vrel respo yg erl kotu erdsr eerp vrel predktor. odel ARS dsusu pd pegtur eerp koefse fugs ss d secr keseluruh dkedlk pd dt regres. Hste et l. (00) ey tk hw odel ARS ergu utuk egts perslh dt des tgg yg dkel deg curse of desolty d eghslk predks vrel respo yg kurt, sert utuk 9
2 0 Bg Wdjrko Otok egts keleh regres prts rekursf (RPR) ytu egh slk odel yg kotu pd kot, yg ddsrk pd l geerlzed cross vldto (GCV) u. Oleh kre tu peelt egkj secr teorts pelh odel terk pd ARS deg krter GCV. Sel tu, dlkuk suls d kj stud ksus utuk pleets dr kj teor.. ju Pustk Fred (99) eytk hw odel ARS dlh kos yg koplek tr etode sple deg rekursf prts utuk eghslk ests fugs regres yg kotu. Sple dlh slh stu jes potog polol, ytu polol yg elk sft tersege. Sft tersege eerk flekslts leh drpd polol s, sehgg eugkk utuk eyesuk dr secr leh efektf terhdp krkterstk lokl pd sutu fugs tu dt. Wh (990) eujukk hw sple elk sft - sft sttstk yg ergu utuk eglss huug dl regres. Sple dl regres opretrk terus erkeg sp pd odel dptve (Bler d Fhrer, 00) d ultvrt respo (Holes d llck, 003). Sel tu, He d Sh (998) egegk pedekt ootocty utuk egests fugs ss sple, sedg-k Hll d Opsoer (005) egguk pedekt pelt kudrt terkecl. Regres prts rekursf (RPR) erupk pedekt fugs yg tdk dkethu deg egguk pegeg fugs ss. Sel tu, RPR dlh sutu kosep geoetr yg eg derh deg dsr rtetk, ytu pejulh d perkl. org d Soqust (963) eperkelk R PR dl rset utotc tercto detecto (AID), seljuty org d esseger (973) eeuk het AID (HAID), yg dguk utuk eproduks poho-poho klsfks. Veles d Rpley (994) egguk tur pegklsfks pd etode HAID utuk epredks sutu oyek. odel ARS dguk utuk egts keleh RPR ytu eghslk odel yg kotu pd kot. Beerp perk yg dlkuk utuk egts keterts RPR, tr l eghslk fugs ss ejd: K () q ()() k v( k,) k k B s t q f () Ests dr kurv regres secr uu ddptk ellu pelzed lest squre (PLS) yk euk pers erkut: y f f d Setelh dlkuk odfks odel RPR d dkosk deg sple, esttor odel ARS dpt dtuls seg erkut: deg K fˆ() [()] s t 0 K s 0(,) k v k k k = kostt (ss duk) = koefse dr fugs ss ke- = yky fugs ss (ocostt ss fucto) = derjt terks k = ly v ( k,) = vrel depede t k = l kot dr vrel predktor v ( k,) Deg egguk esttor ARS, k odel ARS dlh : () Sttstk, Vol. 8, No., e 008
3 Pelh odel erk pd rs Respo Kotu deg K y [ s.()]() t B 0(,) k 0 v k k k K B () [ s.()] t k v( k,) k k Dl etuk trks dpt dtuls ejd: Y B ε deg, Y Y, 0 Y (,,) (,,) ε, (,,) K K ()() s t s t K K ()() s t s t B K K ()() s t s t (,) (,) k k (,) (,) k k (,) (,) k k () (3) 3. Ests D GCV odel rs Respo Kotu odel ARS dl pers ( 3), ˆ erupk preter yg k dests dr dt, ellu pelzed lest squre (PLS) yg telh dodfks. Hl djrk dl ukt teore dwh. eore. Deg egguk esttor ARS dl Pers (), d 0 sgulr d preter soothg k pedug dr ˆ dlh deg ˆ () B B D B Y B [,() ] K v,( k,) tk B trk o (4) Bukt: Perhtk pers: y f f d Deg eperhtk, d, B f (,)() ˆ 0 B ' ' f (,)() ˆ 0 B '' '' f (,)() ˆ 0 (5) (6) (7) Sttstk, Vol. 8, No., e 008
4 Bg Wdjrko Otok '' slk, k, deg, f d B () d '' '' (())(())() S 0 [(()) B ] B B '' '' d '' '' [(()) B ]()() d f d d S d J j B () j () B d Sehgg pers d ts ejd tu ASR RP (( y,))() ˆ f J dl etuk trks ASR()()() Y B Y B D D ASR() ASR RP slk, k koefse fugs ss ˆ dperoleh deg euk pers (3) tu (4). Sehgg, ASR() u k ASR() ˆ 0 ˆ Y B D ASR() ˆ [()() Y B ] 0 ˆ ˆ (5) D B Y B Y BY B B ˆ ˆ 0 B Y B B ˆ ˆ 0 B B ˆ () B B D ˆ ˆ ˆ() B B D B Y Peyeles yg derk dl Pers ( 6) dlh euk erupk esttor g ˆ. Jd eore terukt. ASR() (8) (9) (0) () () (3) (4) (6) d Sttstk, Vol. 8, No., e 008
5 Pelh odel erk pd rs Respo Kotu 3 eore. Deg egguk esttor ARS dl pers (), d B trk o sgulr d preter soothg 0 k pedug dr ˆ dlh ˆ () B B B Y (7) K deg B [,() ] v,( k,) tk Bukt: Perhtk pers: y f f d deg 0, k pers d ts ejd: y f Dr Pers (3), k ˆ() f B, sehgg Pers (8) ejd: Y B Y B Y B ()() Z (8) Utuk eperoleh esttor ˆ dguk etode kudrt terkecl, yg pd prspy euuk Z, dytk seg erkut: Y B Z ()() Y B ˆ ˆ B Y Y B B B Z () Y Y ˆ ˆ ˆ ˆ B Y B B Z ( Y Y ) ˆ ˆ ˆ Utuk eperoleh pers orl dlkuk deg euruk secr prsl terhdp ˆ deg hsl seg erkut: Z B Y B B ˆ 0 ˆ B Y B B ˆ 0 B Bˆ B Y (9) kre B trks o sgulr, k - ˆ ( B B) B Y (0) sedgk turu kedu terhdp ˆ dlh Z B B > 0. ˆ Jd eore terukt. Pd peodel ARS, pelh odel dguk etode stepwse. Forwrd stepwse dlkuk utuk edptk fugs deg julh fugs ss ksu. Krter pelh fugs ss pd forwrd stepwse dlh deg euk ASR. Utuk eeuh kosep prseo (odel sederh) dlkuk ckwrd stepwse ytu elh fugs ss yg dhslk dr forwrd stepwse deg euk l geerlzed cross-vldto (GCV). Sttstk, Vol. 8, No., e 008
6 4 Bg Wdjrko Otok Utuk euktk GCV pd odel ARS dperluk eore erkut. eore 3. Jk rk dr P dlh (+) k P elk (+) ut l ege yg tdk erl ol d seyk [N-(+)] ut l ege yg erl ol. Bukt: slk dlh l ege d vektor ege, k: P () 0 jk dklk ejd P P P, sehgg () tu () 0 d P dlh trk depote ( P P ) k. Hl eujukk hw l ege dr P erl seyk (+) d erl 0 seyk [N -(+)], sehgg rk dr trk P s deg (+). eore 4. slk R dlh trks kudrtk deg R () R X X, B dlh fktor Cholesky dr X X. slk U d Q trks dgol sedek hgg UQ U RDR. seljuty, Z X() R U k Z U RX d slk ˆ U()() R R U ˆ k peyeles ˆ dlh: () I + Q ˆ Z Y =(U B)X Y Seljuty Xˆ Zˆ d trks Ht, d S()() Z I + Q Z I + Q Z Z I + Q tr[()] S {() tr } {() }() tr Q Q dlh trk dgol ke- dr Q. deg derjt es, Bukt: d jug, X X D R ()()() R D R R R R DR R ()()()() R I RDR R R U I Q U R U R() X X D R U I Q errt, U R()(())() X X D R U U R ˆ U R X Y tu, () I R ˆ Z Y jug sehgg X ZU () R ˆ () ˆ ˆ. Jd eore 4 terukt. X ZU R Z eore 5. slk dguk odel ARS pd Pers (), k optl dperoleh deg krter GCV seg erkut: (( y,))ˆ f GCV () C() () C ()() C. d deg,, C() =rce(()) B B B B, d 4. Sttstk, Vol. 8, No., e 008
7 Pelh odel erk pd rs Respo Kotu 5 Bukt: Perhtk Pers (3) d esttor fugs ARS kotu dlh ˆ () B B D B Y, k f (,)() ˆ ˆ H Y deg, H()() ˆ B B B D B. Seljuty deg eperhtk pers erkut, ()((,)) CV y f ˆ () d GCV() (( y,)) f [(())] tr I A k yky preter odel ARS sel ss duk, dpt dperoleh deg esusttusk pers (0) ke dl pers (3) seg erkut: Y B[()()]() B B B Y B B B B Y PY () Deg peukt eore 3, k P = () B B B B ˆ erukur ()(). Kre P dlh trk setrs d depote k rce dr trks P s deg rk dr P yg erupk yky preter fugs ss sel kostt d yky preter yg dests, dotsk seg C() =rce(()) B B B Seljuty erdsrk eore 4 d pers (), k peyeut pd GCV, dlh deg, Y B B B D B Y A Y ˆ [()()]() B A()() B B B + D B. Sehgg, tr[()] I A [() tr ] I B B B + D B tr[() B B B ] + D B tr[() B B B ] (())( tr peh pd duk ( 0 B B B B tr BD B + B D B C() (()). tr B B B B d C() B ) tr(() ), sedgk d dsrk erl d 4. Jd eore 5 terukt. B B B B B kre dl odel ARS sellu eltk ss. Berkut dsjk prosedur forwrd d ckwrd:. Prosedur Stepwse Forwrd ARS. Algort. Forwrd Stepwse ( ) B() ; ( ) Loop utl > : lof* ~ ( 3) For = to (-) do: ( 4) For v {v(k,) k K} ( 5) For t {vj B(j) > 0} ( 6) g B ( ) B ( )[ ( v t t)] B ( )[ ( v t)] ( 7) lof,,+ LOF(g) Sttstk, Vol. 8, No., e 008
8 6 Bg Wdjrko Otok ( 8) f (lof < lof*) the (lof* < lof); * ; v* v; t* t; ( 9) ed f (0) ed for () ed for () ed for (3) B ( ) B* ( )[ ( v* t*)] (4) B ( ) B* ( )[ ( v* t*)] (5) (+) (6) ed loop (7) ed lgort Algort () egpleetsk g forwrd pd ARS deg eodfks lgort regres prts rekurs (RPR). Pgkt (q=) pd fugs ss dsusttusk utuk step fucto pd rs 6,, 3. Pret ss fucto dsukk dl eodfks odel pd rs 6 d ssy d updte ellu logk pd rs -4. Perkl fugs ss dpks utuk eperoleh fktor elput vrel yg ered deg kotrol loop ts vrel dl rs 4. Algort k eghslk q= tructed power. Fugs ss erupk suset dr tesor yg legkp, ss deg loks kot pd seu rgl dt yg ered ly. Sepert pd lgort regres prts rekurs (RPR) pd set ss fucto dhlgk deg ckwrd stepwse utuk eghslk set ss fucto khr. Loks kot dhuugk deg pedekt, dguk turu ss pecewse cuc yg kotu pd turu pert, sehgg eghslk odel khr deg turu yg kotu.. Prosedur els ckwrd ARS. Algort (). Bckwrd Stepwse ( ) J*={,,, -; K* K ( ) lof { jj *} LOF[()] jbj j jj * ( 3) For = to do: ~; L K* ( 4) For = to do: K L-{}~; L K* ( 5) lof { } [()] k k K LOF k B k kk ( 6) f (lof < ) the ( lof); K* K; ed f ( 7) f (lof < lof*) the (lof* lof); J* K; ed f ( 8) ed for ( 9) ed for (0) ed lgort hp ckwrd stepwse pd ARS eghslk rego yg overlp. Peug fugs ss pd ARS tdk eghslk lug pd rug vrel predktor (sel ss kost tdk dhlgk). Pd lgort (), rs pert eujukk sl dr fugs ss J* yg dhslk oleh lgort (), setp ters d lur for loop eyek stu fugs ss dug d ddl for loop utuk elh fugs ss. Sel elkuk ckwrd stepwse tdk perh eug kostt ss B()=. Algort k eetuk rs odel seyk (-), setp rs epuy stu fugs ss leh sedkt ddgk deg rs seeluy. odel terk rs erd pd kupul J* st seles seleks. Hl dlh g pd ARS yg eyeleks suodel dl euk predks ests resdul deg krter geerlzed cross vldto (GCV) pd pers (). 4. Hsl Eprs Kj eprs dl peelt elput du hs. Pert dlkuk utuk eujukk hw GCV dpt ekerj deg k dl proses peetu odel ARS Sttstk, Vol. 8, No., e 008
9 Pelh odel erk pd rs Respo Kotu 7 terk. Bg dlkuk deg egguk sutu dt suls utuk fugs yg oler. Kedu dfokusk pd peodel ARS respo kotu pd dt rel ytu es gs ug kedr erh ks solr (opsts) Ekspere suls dl rgk eujukk g odel ARS yg dperkelk dpt ekerj deg k. Krter odel ARS dpt ekerj leh k dlht dr l geerlzed cross vldto ( GCV) terkecl. Kj eprk egguk dt y () suls dlh egu odel kurv regres, f, =,,..., deg fugs: SIULASI : 5 5 f () e deg 50, 00, 50; 0. 05, 0. 5, ; ~( N,) 0 ; X ~( U,) 0 SIULASI : f () s() deg 50, 00, 50; 0. 05, 0. 5, ; ~( N,) 0 ; X ~( U,) 0 Nl GCV deg erg vrs pd fugs, pegt () secr legkp tersj pd el erkut. el. Nl GCV Pd Sple ructed d ARS GCV Fugs Sple ARS 0, , , SIULASI 00 0, , , , , , SIULASI 00 0, , , Berdsrk el, pd odel sple, teryt l GCV sek esr pd odel suls, deg pegt yg sek esr d vrs kost. Sedg pd odel suls, deg pegt yg sek esr d vrs kost eerk l GCV yg sek kecl. Sedgk pd ARS, l GCV sek kecl pd odel suls, deg pegt yg sek esr d vrs kost. Sedg pd odel suls, deg pegt yg sek esr deg vrs = 0,05 eerk l GCV yg sek kecl, tetp pd vrs = 0,5 d l GCV ervrs. Secr keseluruh fugs optl terjd pd vrs kecl deg serg. Sedgk utuk peodel es gs ug erh kr solr (0psts) dpegruh oleh vrel erk (X), odel (X), jes kedr (X3), tpe es (X4), jes turo (X5), thu peut (X6), s slder (cc) (X7) d jrk tepuh (k) (X8). Dl peodel ARS, utuk eperoleh odel terk dsrk julh fugs ss ksu tr ( sp 4) kl julh vrel depede. odel ARS deg vrs ksu oservs d terks tersj dl el. Berdsrk el, odel terk dlh odel 3. Hl dpt dtujukk pd l GCV yg plg kecl d R yg esr. Sehgg odel ARS utuk opsts dytk dl pers erkut: Sttstk, Vol. 8, No., e 008
10 8 Bg Wdjrko Otok f ˆ() BF3.060 BF5 deg, BF = (0, AHUN_P ); BF3 = (ODEL = OR ODEL = 7 OR ODEL = 8 OR ODEL = ); BF5 = (ODEL = 4 OR ODEL = 6 OR ODEL = 7 OR ODEL = 8 OR ODEL = 0 OR ODEL = OR ODEL = ) * BF; Pers d ts dpt dterpretsk seg erkut: () Koefse BF3 Setp peh BF3 seesr stu-stu k ekk Opsts (Y) seesr,0 perse deg egggp BF5 kost. Leh ljut dpt dktk hw peruh kek opsts (Y) terjd pd odel ke dr (ft(), Pther(7), Prego(8) d Kud()) () Koefse BF5 Setp peh BF5 seesr stu-stu k euruk Opsts (Y) seesr,060 perse deg egggp BF3 kost. Leh ljut dpt dktk hw peruh peuru opsts (Y ) terjd pd odel kedr (Everest(4), Elf(6), Pther(7), Prego(8), Colt(0), Kud(), Dy()) deg thu peut d ts thu 995. Vrel yg epegruh opsts dlh odel kedr d thu peut. odel kedr erupk vrel yg petg pert deg kotrus 00 perse dl epegruh es opsts, seljuty thu peut erupk vrel yg petg kedu deg kotrus 59,05 perse. el. Peetu odel ARS terk pd Opsts odel BF I O # BF Ler GCV Kuk R SE. Regresso odel ,7 83, ,859 odel ,53 76,554 0,96 5,6 odel ,7 76,9 0,96 5,6 odel ,785 77,84 0,959 5,9 Keterg: BF= fugs ss, I= ksu terks, O= u oservs pd setp surego 5. Kespul Ests preter pd kurv regres dlkuk deg euk pelzed lestsqures (PLS) yg dodfks ertuju eeuk sutu peyeles 0 d,,...,. Seg telh djrk dl teore d teore dperoleh ests utuk odel ARS respo kotu. Hsl kj eprs eujukk hw GCV dpt ekerj deg k dl eetuk pelh odel terk yg dterpk pd odel ARS respo kotu. Pd khry, hsl kj tetg GCV dktk deg dt rel eerk teu ru, ytu dperolehy pelh odel terk ddsrk pd GCV deg potog regres ler. Dftr Pustk []. Bller, C., d Fhrer, L. 00. Byes vryg-coeffcet odel usg dptve regresso sple. Sttstcl odelg. []. Fred, J. H. 99. ultvrte Adptve Regresso Sples (wth Dscusso). he Als of Sttstcs, 9:-4. [3]. Hll, P., d Opsoer, J. D heory for pelzed sple regresso. Boetrk, 9:- 05. [4]. Hste,., shr, R., d Fred, J. H. 00. he Eleet of Sttstcl Lerg: Dt g, Iferece, d Predcto. Sprger seres Sttstcs, New York. [5]. He, X., d Sh, P oote B-Sple Soothg, Jourl of Aerc Sttstcl Assocto, 93. [6]. Holes, C. C., d llck, B. K Geerlzed Noler odelg wth ultvrte Free- Kot Regresso Sple, Jourl of Aerc Sttstcl Assocto, 98. Sttstk, Vol. 8, No., e 008
11 Pelh odel erk pd rs Respo Kotu 9 [7]. org, J. N., d Soqust, J. S Prole the lyss of survey dt d proposl. Jourl of Aerc Sttstcl Assocto, 58: [8]. org, J., d esseger, R HAID: A sequetl serch progr for the lyss of ol scle depedet vrles. (echcl Report). Isttute for socl Reserch, Uversty of chg, A Aror, chg. [9]. Veles, W. N. d Rpley, B. D oder Appled Sttstc wth S Plus. Sprger Verlg, New York. [0]. Wh, G Sple ethod for Oservtol Dt: Socety for dustrl d Appled thetcs, Phldelph, Peyylvc. Sttstk, Vol. 8, No., e 008
x 1 M = x 1 m 1 + x 2 m x n m n = x i
Iterl Tertetu..6 oe d ust ss Ttk Bert slk d du ed s-s elk ss sesr d y dletkk pd pp er de jrk erturut-turut d d d dr ttk pey pd - y ered. Ked terseut k se jk dpeuh d d. d d Sutu odel tets y k dperoleh pl
Lebih terperinciBAB VI ANALISIS REGRESI
BAB VI ANALISIS REGRESI A. Pedhulu Alss regres merupk slh stu lss yg ertuju utuk megethu pegruh sutu vrel terhdp vrel l. Vrel yg mempegruh dseut depedet vrle/vrel es () d vrel yg dpegruh dseut depedet
Lebih terperinci1 yang akan menghasilkan
Rset Opers Probblstk Teor Per (Ge Theor) Nughthoh Arfw Kurdh, M.Sc Deprteet of Mthetcs FMIPA UNS Lecture 6: Med Strteg: Ler Progrg Method A. Metode Cpur deg Progr Ler Terdpt hubug g ert tr teor per d progr
Lebih terperinciJl. HR. Soebrantas No. 155 Simpang Baru, Panam, Pekanbaru,
Jurl Ss Mtetk d Sttstk, Vol. No. Jul 6 ISSN 6-5 Metode Guss-Sedel d Geerlss Guss-Sedel utuk Meyelesk Sste Pers Ler Kopleks Cotoh Ksus: SPL Kopleks deg pers d vrel tr ry, Le Tr Lestr, Jurus Mtetk, kults
Lebih terperinciESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK
ESTIASI INTERVAL SPLINE DALA REGRESI NONPARAETRIK uhd N, I Nyo Budtr hssw S Jurus Sttstk FIPA ITS Sury El: _s@yhoo.co Dose Jurus Sttstk FIPA ITS Sury Astrks Derk odel regres opretrk y ( ε, [],,,,. Kurv
Lebih terperinciBab 4 ANALISIS REGRESI dan INTERPOLASI
Als Numerk Bh Mtrkuls B 4 ANALISIS RGRSI d INTRPOLASI 4 Pedhulu Pd kulh k dpeljr eerp metde utuk mempredks d megestms dt dskret Dr sutu peelt serg dlkuk peglh dt utuk megethu pl dt tu etuk kurv g dggp
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Ltr Belkg Smp st, model Regres d model Alss Vrs telh dpdg sebg du hl g tdk berkt. Meskpu merupk pedekt g umum dlm meergk kedu cr pd trf permul, model Alss Vrs dpt dpdg sebg hl khusus model
Lebih terperinci( X ) 2 ANALISIS REGRESI
ANALII REGREI A. PENGERTIAN REGREI ecr umum d du mcm huug tr du vrel tu leh, tu etuk huug d keert huug. Utuk megethu etuk huug dguk lss regres. Utuk keert huug dpt dkethu deg lss korels. Alss regres dperguk
Lebih terperinciCATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1)
CATATAN KULIAH Pertemu XIII: Alss Dmk d Itegrl () A. Dmk d Itegrs Model Stts : mecr l vrel edoge yg memeuh kods ekulrum tertetu. Model Optms : mecr l vrel plh yg megoptms fugs tuju tertetu. Model Dmk :
Lebih terperinciA. Pusat Massa Suatu Batang
Perteu 7 Pust ss sutu Kepg, Setrod, d Teore Pppus A. Pust ss Sutu Btg Dskusk!. slk ss,,..., terletk pd tg pdt sgsg d ttk,...,,, d = jrk errh tr ss ke sutu ttk tetp 0 pd tg,,,...,. ss prtkel, oe prtkel
Lebih terperincia home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6
home se to ecellece Mt Kulh : Klkulus Kode : TSP 0 SKS : SKS Itegrl Pertemu - 6 home se to ecellece TIU : Mhssw dpt memhm tegrl fugs d plksy TIK : Mhssw mmpu mecr tegrl fugs Mhssw mmpu megguk tegrl utuk
Lebih terperinciHUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA
HUBUNAN DERET BERTINKAT BERDAAR BILANAN EULERIAN DENAN OPERATOR BEDA Aleder A uw Jurus Mtetk, Fkults s d Tekolog, Uversts B Nustr Jl. K.H. yhd No. 9, Plerh, Jkrt Brt 48 gug@bus.edu ABTRACT Cscde seres
Lebih terperinciBAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor
BAB ANAVA JALAN Merupk pegembg dr ANAVA 1 Jl Jk pd ANAVA 1 l 1 Fktor Jk pd ANAVA l Fktor Model Ler Asums: Model efek Tetp! 1,..., 1,..., Stu fktor g dtelt Av 1 l k k 1,,..., 1,,..., b k 1,,..., Du fktor
Lebih terperinciHUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA
HUBUNGAN DERET BERTINGKAT BERDAARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA Aleder A.. Guw Jurus Mtetk d ttstk, Fkults s d Tekolog, Bus Uversty Jl. KH. yhd No. 9, Plerh, Jkrt Brt 48. gug@bus.edu ABTRACT
Lebih terperinciTEOREMA DERET PANGKAT
TEOEMA DEET PANGKAT Kosep Dsr Deret pgkt erupk sutu etuk deret tk higg 3 + ( + + 3( +... ( disusik,, d koefisie i erupk ilg rel. Julh prsil utuk suku pert etuk di ts dlh s yg dpt ditulisk segi s ( + (
Lebih terperinciBAB V ANALISIS REGRESI
BAB V ANALISIS REGRESI Setelh mempeljr mhssw dhrpk dpt : Meghtug prmeter regres Melkuk estms d uj prmeter regres 3 Meemuk model regres g tept Dlm kehdup serg dtemuk d sekelompok peuh g dtr terdpt huug,
Lebih terperinciMetode Fuzzy ASM pada Masalah Transportasi Fuzzy Seimbang
EMINAR MATEMATIKA AN PENIIKAN MATEMATIKA UNY 7 T - 6 Metode Fuzzy AM pd Mslh Trsports Fuzzy eg olkh eprtee Mtetk Fkults s d Mtetk Uversts poegoro ol_erf@yhooo Astrk Mslh trsports fuzzy erupk geerlss dr
Lebih terperinciAnalisis Variansi satu faktor (Analysis Of Variance / ANOVA)
Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Megethu rcg d eses. Megethu model ler 3. Meuruk Jumlh Kudrt (JK) 4. Melkuk uj lss vrs 5. Melkuk uj perbdg gd Apkh ber kot dlm rokok dpt megkbtk Kker? Sel kker
Lebih terperinci1. Aturan Pangkat 3. Logartima
KL UN Mtetk MA IPA 9/ No. KL Ruus. Meetuk egs pert g dperoleh dr perk kespul.. p q. p q. p q ~ (p q) = ~p ~q ~ (eu/etp p) = Ad/Beerp ~p p. ~q q r ~ (p q) = ~p ~q ~ (Ad/Beerp p) = eu/etp ~p q ~p p r p q
Lebih terperinciPRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel
Prktkum 0 Peyeles Persm Ler Smult - Metode Elms Guss Sedel PRAKTIKUM 0 Peyeles Persm Ler Smult Metode Elms Guss Sedel Tuu : ler smult Mempelr metode Elms Guss Sedel utuk peyeles persm Dsr Teor : Metode
Lebih terperinciANALISIS KINERJA METODE ZERO SUFFIX DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER
ANALISIS KINERJA METODE ZERO SUFFIX DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER Tof Adtyw, Spt Whyugsh 2 Uversts Neger Mlg E l : tofdtyw@yhoo.co.d ABSTRAK: Slh stu slh dl kehdup sehr hr yg
Lebih terperinciPENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI
PENCOCOKAN KURVA (CURVE FITTING) Iterpols : Iterpols er Iterpols Kudrtk Iterpols Poloml Iterpols grge Regres : Regres er Regres Ekspoesl Regres Poloml INTERPOASI Iterpols dguk utuk meksr l tr (termedte
Lebih terperinciDUALITAS DAN ANALISIS SENSITIVITAS
/5/008 DUALITAS DAN ANALISIS SENSITIVITAS Dr. Mohd Adul Mukhy, SE., MM. Prl Prole P ze z cx suject to Ax x 0 optu vlue s z* Dul Prole xze suject to D v π πa c optu vlue s v* Theore. (Strog Dulty) If oth
Lebih terperinciVolume 1, Nomor 2, Desember 2007
Volue Noor Deseer 7 Brekeg Deseer 7. hl.5-3 Vol.. No. SIFAT-SIFAT INTEGRA RIEANN-STIETJES (Propertes O Re-Steltjes Itegrl FRANCIS Y RAWANG HARIANS BATKNDE St Jurus tetk FIPANPATTI Clo St Jurus tetk FIPANPATTI
Lebih terperinciBatas Nilai Eigen Maksimal Dari Matriks Tak Negatif
Vol. 3 No. 80-85 Ju 007 Bts Nl Ege Mksl D Mtks Tk Negtf A. Kes Jy Abstk Ide ut skps dlh utuk edptk etode dl eetuk bts d l ege ksl d tks tk egtf deg bedsk bts Fobeus. Ytu R d dlh ulh bs tu kolo u d R dlh
Lebih terperinciINTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :
INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI
Lebih terperinciINTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :
INTEGRASI NUMERIK INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser
Lebih terperinciPERENCANAAN POLA TANAM TANAMAN PANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PERENCANAAN POLA TANAM TANAMAN PANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Syhrudd ), Mohd Is Irw ) ) Mhssw Mgster Jurus Mtetk FMIPA ITS Sury lusthf@yhoo.co ) Dose Jurus Mtetk FMIPA ITS Sury
Lebih terperinciPertemuan 7 Persamaan Linier
Perteu 7 Pers Liier Ojektif:. Prktik ehi teori dsr Pers Liier. Prktik dpt eyelesik Pers Liier. Prktik dpt eut progr erkisr tetg Pers Liier Pers Liier P7. Teori Pers lier dlh seuh pers ljr, yg tip sukuy
Lebih terperinciAnalisis Variansi satu faktor (Analysis Of Variance / ANOVA)
Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Desg d coduct expermets volvg sgle. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc wth resdul plots 4. Use multple comprso
Lebih terperinciAnalisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA)
BAB 1 Alss Vrs stu fktor Sgle Fctor Alss Of Vrce (ANOVA) ANALISIS VARIANSI SATU FAKTOR D MetStt 1 sudh dkel uj hpotess rt-rt du populs A d B g berdstrbus Norml Bgm jk terdpt lebh dr du populs? Alss vrs
Lebih terperinciINTEGRAL DELTA DAN SIFAT-SIFATNYA. Delta Integral and Properties of Delta Integral
Jurl Brekeg Vol. 7 No. Hl. 3 8 (03) INTEGRAL DELTA DAN SIFAT-SIFATNYA Delt Itegrl d Propertes of Delt Itegrl MOZART WINSTON TALAKUA, MARLON STIVO NOYA VAN DELSEN Stf Jurus Mtemtk, FMIPA, Uptt Alum Jurus
Lebih terperinciDr.Eng. Agus S. Muntohar Department of Civil Engineering
Pertemu ke-7 Persm Ler Smult Oktober 0 Metode Iters Guss-Sedel Dr.Eg. Agus S. Mutohr Deprtmet of Cvl Egeerg Metode Guss-Sedel Merupk metode ters. Prosedur umum: - Selesk ser lbr vrbel tdk dkethu msg-msg
Lebih terperinciBab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor
Bb 1 Av stu Alss Vrs (Alss Of Vrce / ANOVA) stu fktor Lerg Objectves 1. Desg d coduct expermets volvg sgle d two fctors. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc
Lebih terperinciCNH2B4 / KOMPUTASI NUMERIK
CNHB4 / KOMPUTASI NUMERIK TIM DOSEN KK MODELING AND COMPUTATIONAL EXPERIMENT PENCOCOKAN KURVA Pedhulu Dt g bersl dr hsl pegmt lpg pegukur tu tbel g dmbl dr buku-buku cu. Nl tr turu tegrl mudh dcr utuk
Lebih terperinciREGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1
REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt t tersebut
Lebih terperinciREGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1
REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt tersebut
Lebih terperinciBAB IV INTEGRAL RIEMANN
Itegrl Rie BAB IV INTEGRAL RIEMANN Utuk epeljri leih ljut tetg kosep itegrl Rie, k leih ik jik pec ehi eerp hl erikut. A. Prtisi Defiisi 4.1 Dierik itervl tertutup [, ], hipu terurut d erhigg P = { = x
Lebih terperinciBab 4 ANAKOVA (ANALISIS KOVARIANSI)
Bb 4 ANAKOVA (ANALISIS KOVARIANSI) ANAVA vs ANREG ANAVA ANREG megu perbdg vrbel tergtug () dtu dr vrbel bebs () mempredks vrbel tergtug () mellu vrbel bebs () Ksus: Peelt deg vrbel : 1 Prests Mhssw Kemmpu
Lebih terperinciMetode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS
Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl
Lebih terperinciINTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :
INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI
Lebih terperinciGEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG
GEOMETRI EUCLID EG(, p ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG Bmg Irwto d Yu Hdyt Jurus Mtemtk FMIPA UNDIP Jl. Prof. H. Soedrto, S.H, Semrg 5075 Astrt. A Bled Iomplete Blok (BIB) desg
Lebih terperinci1. Bilangan Berpangkat Bulat Positif
N : Zui Ek Sri Kels : NPM : 800 BILANGAN BERPANGKAT DAN BENTUK AKAR A. Pgkt Bilg Bult. Bilg Berpgkt Bult Positif Dl kehidup sehri-hri kit serig eeui perkli ilg-ilg deg fktor-fktor yg s. Mislk kit teui
Lebih terperinciDidownload dari ririez.blog.uns.ac.id
A. METODE PROGRAM LINIER Terdpt hubug g ert tr teor per d progr ler kre setp betuk per berulh ol dr du org (g berhgg) dpt dtk sebg sutu betuk progr ler d seblk, setp perslh progr ler dpt dsk sebg sutu
Lebih terperinciModel Tak Penuh. Definisi dapat di-uji (testable): nxp
Model T Peuh Defs dpt d-u (testle): Sutu c c 'c 'c H 'c 'c dpt du l d stu set fugs g dpt - ddug m m ' sehgg H er c ' ' slg es ler tu C c ' c m ' Perht : Kre r X p r p m m r c' (X' X) c X' X c' C(X' X)
Lebih terperinciPENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS
PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS Metode ple erup utu te tdr g dgu utu eech lh Progr Ler e thu 9. Pd prp etode ple ecr peele optl deg eetu tt-tt udut dr derh fele proe dlu erulg-ulg dr utu
Lebih terperinciMetode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS
Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl
Lebih terperinciSolusi Sistem Persamaan Linear
Sos Sstem Persm Ler Sstem persm er: h persm deg h kow j d dketh, j,,, j? So: z 6 z z () () () persm d kow Jw: z 6.5 z.5 z () () () ems : pers. ().5 pers. () pers. ().5 pers. () z 6.5 z 8z 8 () () () ems
Lebih terperinciKajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline
W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... Kj Metode Estms Prmeter dlm egres Semrmetrk Sle Whyu Wowo, Sr Hrytm, I Nyom Budtr whyu.stk@gml.com Jurus Mtemtk, Uversts Gdjh Md Yogykrt Jurus
Lebih terperinciPendahuluan Pengantar Metode Simpleks. Fitriani Agustina, Math, UPI
Pedhulu Pegtr Metode Sipleks Fitrii Agusti, Mth, METODE SIMPLEKS (PRIMAL) Mslh Progr Lier Mslh Progr Lier dl Betuk Mtriks Ketetu dl Betuk Stdr Mslh PL Betuk Stdr Mslh Progr Lier Betuk Stdr Pets Lier Betuk
Lebih terperinciMenaksir Matriks Teknologi Kota Cimahi Berdasarkan Tabel Input Output Provinsi Jawa Barat Menggunakan Metode Location Quontient
Sttstk, Vol. 9 No., 75 8 Nopemer 9 eksr trks Tekolog Kot Cmh Berdsrk Tel Iput utput Provs Jw Brt egguk etode octo Quotet TETI SFIA ANTI Jurus Sttstk Uversts Islm Bdug Eml: utet@yhoo.com ABSTRAK Tel Iput
Lebih terperinciCURVE-FITTING dan INTERPOLASI
CURVE-FIING d INERPOLASI Mer Kulh: Pegr; Regres Ler; Regres Polol; Regres Ler Bergd Ierpols Ler; Ierpols Kudr; Ierpols Polol Newo & Lgrge PENGANAR D-d g ers dskr dp du couu ellu proses curve-g. Curve-g
Lebih terperinciSifat-sifat Super Matriks dan Super Ruang Vektor
Sift-sift Super Mtriks d Super Rug Vektor Cturiyti Jurus Pedidik Mtetik FMIPA UNY wcturiyti@yhoo.co Abstrk Sutu triks yg elee-eleey erupk bilg disebut deg triks sederh tu lebih dikel deg triks. Sedgk supertriks
Lebih terperinciDIGRAF EKSENTRIS PADA DIGRAF SIKEL, DIGRAF KOMPLIT DAN DIGRAF KOMPLIT MULTIPARTIT. Jl. Prof. H. Soedarto SH Semarang 50275
DIGRAF ESENTRIS PADA DIGRAF SIEL DIGRAF OMPLIT DAN DIGRAF OMPLIT MULTIPARTIT Reto tur umlsr d Luc Rtsr Jurus Mtemtk FMIPA UNDIP Jl Prof H Soedrto SH Semrg 5075 Abstrct The eccetrc dgrph of dgrph ED ( D)
Lebih terperinciPEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang
PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY Oleh : Yusup Fkults Ilmu Komputer, Uversts AKI Semrg Astrt The frto of No Homoge Lerty Ajustmet System towr Cholesky Doule
Lebih terperinciDEFINISI INTEGRAL. ' untuk
DEINISI INTEGRAL Dlm mtemtk d eerp stl sepert des, teorem, lemm Istl petg kre meujuk keeksstes Des dl peryt yg erl er kre dsepkt, d tdk perlu duktk Teorem dl peryt yg dpt duktk keery Lemm dl teorem kecl,
Lebih terperinci1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.
KKKF BAHAGAN A 6 MARKAH Arh : Jw SEMUA sol. Kepekt kter pecemr pt, d dlm secw teh trk yg drk selm eerp jm derk oleh: pt = 5e -.5t + 5e -.75t Crk ms, t, dlm ut jm yg dperluk utuk kter jk kepekt yg dkehedk
Lebih terperinciBAB III LIMIT FUNGSI DAN KEKONTINUAN
BAB III LIMIT FUNGSI DAN KEKONTINUAN 3. Pedhulu Seelu hs liit fugsi di sutu titik terleih dhulu kit k egti perilku sutu fugsi f il peuh edekti sutu ilg ril tertetu. Misl terdpt sutu fugsi f() = + 4. Utuk
Lebih terperinciPRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange
Prktkum. Iterpols Ler, Kudrtk, Poloml d Lgrge PRAKTIKUM Iterpols Ler, Kudrtk, Poloml, d Lgrge Tuju : Mempeljr berbg metode Iterpols g d utuk meetuk ttkttk tr dr buh ttk deg megguk sutu fugs pedekt tertetu.
Lebih terperinciINTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :
INTEGRASI NUMERIK Pegtr Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. Msly dlm termodmk, model Deye utuk megtug kpsts ps dr ed pdt.
Lebih terperincimatematika PEMINATAN Kelas X SIFAT-SIFAT EKSPONEN K13 A. DEFINISI EKSPONEN B. SIFAT-SIFAT BENTUK PANGKAT
K1 Kels X tetik PEMINATAN SIFAT-SIFAT EKSPONEN TUJUAN PEMBELAJARAN Setelh epeljri teri ii, ku dihrpk eiliki kepu erikut. 1. Mehi defiisi ekspoe.. Mehi sift-sift etuk pgkt.. Mehi sift-sift etuk kr.. Megguk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Alss Regres Alss regres dlh tekk sttstk yg ergu utuk memerks d memodelk huug dtr vrel-vrel. Peerpy dpt djump secr lus d yk dg sepert tekk, ekoom, mjeme, lmu-lmu olog, lmu-lmu sosl,
Lebih terperinciEKSPONEN/PANGKAT, BENTUK AKAR, DAN LOGARITMA. Bilangan a (a 0) disebut basis atau bilangan pokok, sedangkan n disebut pangkat atau eksponen.
EKSPONEN/PANGKAT, BENTUK AKAR, DAN LOGARITMA theresivei.wordpress.o A. BENTUK PANGKAT BULAT. Pgkt Bult Positif Igt: 5 5 = (-) = -() = Defiisi Bilg erpgkt ult positif : Mislk ilg ult positif d ilg Rel,
Lebih terperinciInduksi Dan Rekursi. Bab IV Induksi Pada Bilangan Asli (Natural) Bilangan Asli
Bb IV Iduks D Rekurs 4.. Iduks Pd Blg Asl (Nturl) Bsy, duks tets tu dsebut jug duks legkp (coplete ducto) plg byk dguk dl do blg turl. Khususy, dl duks, dsusk bhw sutu sft tertetu yg egguk blg sl terkecl,
Lebih terperinciPendahuluan Aljabar Vektor Matrik
Pedhulu Aljr Vektor trik Defiisi: trik A erukur x ilh sutu susu gk dl ersegi et ukur x, segi erikut: = A tu A = ( ij ) Utuk eytk elee trik A yg ke (i,j), yitu ij, diguk otsi (A) ij. Ii errti ij = (A) ij.
Lebih terperinciF 2 (c,0) yang berarti F 1 (-c, 0) dan F 2 (c, 0), b 2 =a 2 c 2 atau a 2 = b 2 +c 2 dan p (x,y) terletak ada elips. 4cx = 4a 2 2 2
B III : Ligkr 7 5.. DEFINISI Ellips dlh tept keduduk titik g julh jrk terhdp du titik tertetu tetp hrg. F (titik tetp) erupk erks gris g diseut direkstriks, F (-,) F (,) diseut eksetrisits (e). e = AB
Lebih terperinci3SKS-TEKNIK INFORMATIKA-S1
SKS-TEKNIK INFORMATIKA-S Momd Sdq PERTEMUAN : 9- INTEGRASI NUMERIK METODE NUMERIK TEKNIK INFORMATIKA S SKS Momd Sdq MATERI PERKUIAHAN SEBEUM-UTS Pegtr Metode Numerk Sstem Blg d Kesl Peyj Blg Bult & Pe
Lebih terperinciSaintek Vol 5. No 3 Tahun Penyelesaian Analitik dan Pemodelan Fungsi Bessel
Sitek Vol 5. No 3 Thu 1 Peyelesi Alitik d Peodel Fugsi Bessel Lily Yhy Jurus Mtetik Fkults MIPA Uiersits Negeri Gorotlo bstrk Dl klh ii k dilkuk peyelesi litik d peodel pers diferesil Bessel sert eujukk
Lebih terperinciPRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial
Prktkum. Regres Regres Ler, Regres Ekspoesl, d Regres Poloml Poltekk Elektrok eger Surb ITS 47 PRAKTIKUM Regres Ler, Regres Ekspoesl d Regres Poloml. Tuju : Mempeljr metode peeles regres ler, ekspoesl
Lebih terperinciANALISIS KINERJA METODE ASM DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER
ANALISIS KINERJA METODE ASM DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER D Arvto 1, Spt Whyugsh 2 Uversts Neger Mlg E l : d_rvto@yhoo.co.d ABSTRAK: Mslh trsports fuzzy d ler erupk slh stu
Lebih terperinciTekun dan Teliti adalah Kunci Keberhasilan Anda PEMROGRAMAN LINEAR
Teku d Telt dlh Kuc Keberhsl Ad PEMROGRAMAN LINEAR Pdg bg Rset Opers berkut: TSP MP Trss Trsp Network PD PL PNL P Progr Ler (PL) erupk bg dr rset opers (RO) g erupk kupul etode peeles slh-slh t secr tets.
Lebih terperinciPRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss
Prktkum 8 Peyeles Persm Ler Smult Metode Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metode Elms Guss Tuju : Mempeljr metode Elms Guss utuk peyeles persm ler smult Dsr Teor : Metode Elms Guss merupk
Lebih terperinciSIAP UN MATEMATIKA IPS SMA PAHOA 1. LOGIKA MATEMATIKA. Rumus negasi. ~ (p q) = ~p ~q. indikator: Kunci menghafal. Konjungsi (da ) : B B = B
SIAP UN MATEMATIKA IPS SMA PAHOA N: Kes : IPS dut oeh: Joo Setw, ST, MT ( 8-8 - ) eurut ks-ks UN - Ruus egs LOGIKA MATEMATIKA dktor: Meetuk gkr tu kesetr dr sutu pert jeuk tu pert erkutor Meetuk kespu
Lebih terperinciBAB 2 LANDASAN TEORI
6 A LADASA EORI Pd bb k dbh beberp koep-koep dr yg berhubug d edukug peetu olu optl lh progr ler pretrk Deg dek, k eperudh dl hl pebh pd bb berkuty Progr Ler Progr ler erupk utu etode opt yg dpt dpk utuk
Lebih terperinciMATEMATIKA TEKNIK 2 3 SKS TEKNIK ELEKTRO UDINUS
MATEMATIKA TEKNIK SKS TEKNIK ELEKTRO UDINUS Integrl Fungs Kompleks 4 INTEGRAL FUNGSI KOMPLEKS Sepert hlny dlm fungs rl, dlm fungs kompleks jug dkenl stlh ntegrl fungs kompleks sert sft-sftny Sft kenltkn
Lebih terperinciTeknik Komputasi Ujian Akhir Semester (UAS)
Tekk Komputs U Akhr Semester UAS Dose : Dr. Ir. Nzor Az MT. Nm : Yog Prhstomo NIM : 06006 Kels : XB MAGISTER ILMU KOMPUTER UNIVERSITAS BUDI LUHUR 0 Hlm 0 Tekk Komputs: U Akhr Semester UAS A. Sol Dkethu
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA.
PENAKI AIO ANG EFIIEN UNTUK ATA-ATA POPULAI MENGGUNAKAN KOEFIIEN EGEI OUT PADA AMPING ACAK EDEHANA M Okto Mork Arsm Ad Hpos rt moktomoo@hoo.co.d Mhssw Progrm Mtemtk Dose Jurus Mtemtk Fkults Mtemtk d Ilmu
Lebih terperinciMENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT
MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT Rz Phlev, Arsm Ad, Sgt Sugrto Mhssw Progrm Stud S Mtemtk Dose Jurus Mtemtk Fkults
Lebih terperinciBAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai
BAB 6 FITTIG DATA Atu dseut dengn penookn dt tu menentukn kurv terk ng mellu set dt (sekumpuln dt) dengn keslhn mnmum. Ukurn keslhn dlh E (root men squre, kr kudrt rt-rt). Ad eerp mm pol fttng dt: menurut
Lebih terperinciBentuk Umum Perluasan Teorema Pythagoras
Jrl Grde Vol No Jr 6 : 9-4 Betk Umm Perls Teorem Pythors Ml stt By Kerm Ulsr les Jrs Mtemtk Fklts Mtemtk d Ilm Peeth lm Uversts Bekl Idoes Dterm Septemer 5; dset Desemer 5 strk - Peelt memhs perls teorem
Lebih terperinciPENENTUAN NILAI AWAL PARAMETER RELATIF ORIENTASI FOTO STEREO MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION
Spectr Noor 6 Volue VIII Jul 00: 54-63 PENENTUN NII W PRMETER RETIF ORIENTSI FOTO STEREO MENGGUNKN METODE SINGUR VUE DECOMPOSITION eo Pte Dose Progr Stud Tekk Geodes FTSP ITN Mlg STRKSI Peetu l poss d
Lebih terperinciBAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada
BAB PENDAHULUAN. Ltr Belkg Sektor perkebu merupk sub sektor pert yg mejd slh stu fktor yg dpt medukug kegt perekoom d Idoes. Slh stu sub sektor perkebu yg cukup besr potesy dlm perekoom Idoes dlh perkebu
Lebih terperinciPANGKAT & AKAR (INDICES & SURDS)
PANGKAT & AKAR (INDICES & SURDS) Ksus Hituglh? A PANGKAT (EKSPONEN) Ksus Perhtik hw x x Terliht hw d tig uh gk yg diklik d jik d gk seyk uh, k seyk Secr uu, disipulk Igt keli ruus pert Secr uu disipulk
Lebih terperinciPENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse
PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI Ftr Rhm Sr d D Idr Sesuse Fkults Ilmu Komputer, Uversts Idoes, Depok, Idoes d@cs.u.c.d Astrk Memlh
Lebih terperinciEstimasi Bayesian untuk Penentuan Besarnya Pengaruh Genetik terhadap Sifat Fenotip dan Studi Simulasinya
sts Bes utuk Peetu Besr Pegruh Geetk terhd St Feot d Stud Suls d Setw d_set_@hoo.o Progr Stud Mtetk Fkults Ss d Mtetk Uversts Krste St W Jl. Doegoro 5-6 Sltg 57 Idoes strt Tws tht hve rtulr tegorl trt
Lebih terperinciMATERI LOGARITMA. Oleh : Hartono
MATERI LOGARITMA Oleh : Hrtoo Mteri dispik pd Peltih Mpel Mtetik SMA/ SMK Progr Pscsrj UNY Yogykrt 01 Kopetesi Kopetesi yg dihrpk dicpi oleh pr pesert setelh ebc odul ii d egikuti peltih dlh pu : ehi kosep
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37
Jurl Mtemtk Mur d Terp Vol. 4 No. Desember : - 7 PENGGUNN BENTUK SMITH UNTUK MENENTUKN BENTUK KNONIK MTRIKS NORML DENGN ENTRI-ENTRI BILNGN KOMPLEKS Thresye Progrm Stud Mtemtk Uversts Lmbug Mgkurt Jl. Jed..
Lebih terperinciTitik Biasa dan Titik Singular Misalkan ada suatu persamaan diferensial orde dua h(x)y + p(x)y + q(x)y = 0 (3)
PERSAMAAN LEGENDRE Fugi Rel Alitik Sutu fugi f( diktk litik pd jik fugi itu dpt diytk dl deret pgkt deg rdiu kovergei poitif. f ( ( + ( + ( + ( +... dl elg kovergeiy diperoleh f ( ( f '( f "(. f '''(......
Lebih terperinciMETODE UNWEIGHTED MEANS UNTUK FAKTORIAL TAK SEIMBANG DISPROPORSIONAL
METODE UNWEIGHTED MEANS UNTUK AKTORIAL TAK SEIMBANG DISPROPORSIONAL Trstut Wurydr Jurus Mtemtk MIPA UNDIP Jl Prof H Soedrto, SH, Semrg 5075 Astrct A fctorl desg should e used whe there re severl fctors
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Ltr Belg Istlh Pemrogrm Geometr (PG) dperel oleh Duff, Peterso, d Zeer pd thu 967 Istlh dmbl dr mslh-mslh geometr g dpt dformuls sebg PG Pemrogrm Geometr dlh sutu tpe mslh optmlss mtemt g
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Dl k duk ege etode-etode lh d teo-teo yg dguk dl peyeles pesol utuk eetuk odel pog le dl poduks Teh pd PT.Pekeu Nust IV Med.. Peget Lus Poduks Pd uuy poduks sutu peush d eg es. Ad
Lebih terperinciBAB VI SIFAT-SIFAT LANJUTAN INTEGRAL RIEMANN
BAB VI SIFAT-SIFAT LANJUTAN INTEGAL IEMANN Sift-sift Ljut Itegrl iem Teorem 6.1 Jik f [, ] d f [, ] deg < < mk f [, ]. Leih ljut f x dx f x dx + () f x dx f [, ] d f [, ], mislk () f x dx A 1 d () f x
Lebih terperinciKAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT
Prosdg Semr Nsol Mtemtk d Terpy 06 p-issn : 550-084; e-issn : 550-09 KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT St Muhwh Uversts Jederl Soedrm st_muhwh@yhoo.co.d
Lebih terperinciBILANGAN BERPANGKAT DAN BENTUK AKAR
BILANGAN BERPANGKAT DAN BENTUK AKAR. Sift Opersi Bilg Bult Berpgkt Defiisi Pgkt Bult Positif Jik dlh ilg rel (yt) d dlh ilg sli (ilg ult positif), k... seyk fktor deg = pgkt tu ekspoe = ilg pokok/dsr/sis
Lebih terperinciDaerah D dibatasi kurva y = f (x) dengan f (x) 0, garis x = a, garis x = b, dan sumbu x. D = {(x,y) a x b, 0 y f (x)} Luas daerah D adalah  Ú.
x x g x x erh ditsi kurv = (x) deg (x), gris x =, gris x =, d sumu x. = {(x,) x, (x)} Lus derh dlh. L = lim x x = x erh ditsi kurv = (x), kurv = g(x), deg (x) g(x), gris x =, d gris x =. = {(x,) x, g(x)
Lebih terperinciTE Dasar Sistem Pengaturan. Kriteria Kestabilan Routh
TE946 Dr Sitem Pegtur Kriteri Ketil Routh Ir. Jo Prmudijto, M.Eg. Juru Tekik Elektro FTI ITS Telp. 5947 Fx.597 Emil: jo@ee.it.c.id Dr Sitem Pegtur - 7 Ojektif: Koep Ketil Ketil Routh Proedur Ketil Routh
Lebih terperinciSOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT
OLUI DERET PANGKAT TETAP DENGAN FUNGI PEMBANGKIT Aleder A Guw Jurus Mtemt d ttst Fults s d Teolog, Uversts B Nustr Jl. K. H. yhd No. 9, Kemggs/Plmerh, Jrt Brt 8 gug@bus.edu ABTRACT Ths rtcle dscusses bout
Lebih terperinciFAKTORISASI BENTUK ALJABAR
Mtetik Kels VIII Seester Fktorissi Betuk Aljr FAKTORISASI BENTUK ALJABAR A. Pegerti Suku pd Betuk Aljr. Suku Tuggl d Suku Bk Betuk-etuk seperti,,, p 9p, 9, d diseut Betuk Aljr. Betuk ljr terdiri ts eerp
Lebih terperinciDia yang menjadikan matahari dan bulan bercahaya, serta mengaturnya pada beberapa tempat, supaya kamu mengetahui bilangan tahun dan perhitunganya
Pemeljr M t e m t i k... Di g mejdik mthri d ul erch, sert megtur pd eerp tempt, sup kmu megethui ilg thu d perhitug (QS Yuus:5 ) Pedhulu us Sift : - us derh rt dlh ilg riil tk egtif - persegipjg=pjg ler
Lebih terperinciKoefisien Regresi / persamaan regresi linier digunakan untuk meramalkan / mengetahui besarnya pengaruh variabel X terhadap variabel Y
REGRESI Koefsen Regres / persmn regres lner dgunkn untuk mermlkn / mengethu esrny pengruh vrel terhdp vrel Vrel yng mempengruh ddlm nlss regres dseut vrel predktor ( ) Vrel yng dpengruh dseut vrel krterum
Lebih terperinci